Qualitätssicherung von Kunststoffteilen mit dem hybriden Roboter-Visionsystem KITOV

Überspritzung, die mittels Kitov One erkannt wurde. „Viele Unternehmen aus der Kunststoffindustrie fertigen hochwertige und komplexe Produkte für Automotive, Medizintechnik, Luftfahrt oder Maschinenbau mit sehr hohen Taktraten. Um dabei eine gleichbleibende hohe Qualität zu gewährleisten, müssen die Fertigungsprozesse hohen Ansprüchen in Bezug auf Genauigkeit und Geschwindigkeit gerecht werden. Überspritzungen, Weißbruch oder andere Ungenauigkeiten und unerwünschte Oberflächenveränderungen müssen daher immer zuverlässig erkannt werden “, erklärt Olaf Römer, Geschäftsführer der ATEcare Service GmbH Co.KG.

Trotzdem werden in der Qualitätssicherung moderner Fertigungsbetriebe auch heute noch oft Mitarbeiter eingesetzt, die jedes Teil manuell in alle Richtungen drehen und dabei mit dem menschlichen Auge verschiedene optisch sichtbare Kriterien überprüfen. Gerade bei Kunststoffteilen, die zu einem fertigen Produkt zusammengesetzt werden, muss diese Prüfung jedoch genau, verlässlich und konsistent sein. Dies ist bei einer manuellen Inspektion nicht immer gewährleistet, da Mitarbeiter je nach Tagesform und Stimmungslage, durch Müdigkeit und nachlassende Konzentration aufgrund der monotonen Tätigkeit bei vergleichbarer Qualität unterschiedliche und auch subjektiv beeinflusste Bewertungen abgeben können. Dies führt zu inkonsistenten Prüfergebnissen. Typische Fehler bei Kunststoffteilen sind zum Beispiel nicht eingerastete Kunststoffzungen, plastische Verformungen und Überspritzungen, fehlende oder beschädigte Metall-Inlays, -Clips oder andere Befestigungselemente, fehlerhaft bedruckte oder angebrachte Etiketten, fehlende Gummibauteile oder Kratzer auf der Oberfläche.

„Die manuelle Qualitätskontrolle ist natürlich aufwendig und fehleranfällig, da leicht etwas übersehen werden kann. Weil ein fehlerhaftes Bauteil oftmals zur Ablehnung des gesamten Produktes durch den Auftraggeber führt, muss hier eine 100%-Kontrolle gewährleistet werden, die mit einer manuellen Inspektion jedoch nur bedingt erreicht werden kann“, führt Römer weiter aus. Aus seiner Sicht kann hier nur eine vollautomatische, reproduzierbare und intelligente Inspektionsmethode Abhilfe schaffen. Römer ist mit seinem Unternehmen Vertriebspartner von Kitov Systems, dem Hersteller des roboterbasierten hybriden Visionsystems Kitov One, welches 2D-, 3D- und Deep-Learning-Technologien kombiniert, um bisher als zu komplex geltende automatisierte Prüfaufgaben schnell, präzise und zuverlässig zu ermöglichen. Um eine effektive Inspektion zu gewährleisten, kombiniert Kitov One seine ausgeklügelte Kamera- und Beleuchtungstechnik mit der Flexibilität eines Roboters sowie mit einem Drehtisch, der bestimmte Prüfmerkmale zur Kamera hindrehen und somit die Taktzeit zusätzlich verringern kann.

Normalerweise würde die Erstellung eines Inspektionsplanes für ein roboterbasiertes Bildverarbeitungssystem umfangreiche Spezialkenntnisse in Robotik, Bildverarbeitung und Programmierung erfordern. Bis zur Fertigstellung eines solchen Planes würden nicht nur Tage, sondern sogar Wochen vergehen, abhängig von der Anzahl der zu inspizierenden Prüfmerkmale.

Weißbruch, der mittels Kitov One erkannt wurde.Darüber würde nachträgliche Änderung des Prüfplans den Einsatz von Roboterexperten und Bildverarbeitungsspezialisten beim Kunden erfordern, die nicht jedes Unternehmen extra dafür einstellen kann oder möchte. Mit KITOV One können Produzenten von Kunststoffteilen innerhalb von wenigen Stunden einen Inspektionsplan zur automatischen optischen Inspektion ihrer Produkte erstellen. Eventuell notwendige Änderungen oder Anpassungen des Inspektionsplanes können innerhalb kürzester Zeit durchgeführt werden. ATEcare hilft bei der Schulung der Mitarbeiter und unterstützt seine Kunden bei der Umsetzung der ersten Anwendungen.

Die Ergebnisse des Bildverarbeitungssystems helfen den Unternehmen auch, Ungenauigkeiten in den Prüfergebnissen der manuellen Inspektion zu vermeiden, denn manuelle Inspektoren haben nicht immer für jeden Fehler die gleiche Definition. Des Weiteren können Fehler und Qualitätsprobleme in vorgelagerten Fertigungsprozessen und Montageschritten identifiziert werden, so dass diese schon frühzeitig eliminiert und die Ausschussmengen reduziert werden können. „Dadurch erreichen wir eine Amortisierung des Gesamtsystems innerhalb weniger Monate“, so Römer.

Römer fügt hinzu: „Bei Kitov One geht es nicht um ein weiteres robotergeführtes 3D-Messsystem. Der Kitov One ist ein reines, visuelles Inspektionssystem, das es so in der heutigen Industriefertigung eben noch nicht in dieser flexiblen Form gibt. Die automatisierte visuelle Inspektion kann alle Parameter erkennen und vermessen, die über die Software ausgewählt bzw. angelernt wird. D.h., dass die Inspektion wird auf jedes Produkt individuell zugeschnitten. Sowohl Baugruppe oder fertiges Endprodukt können so vor dem Einbau oder der Kundenübergabe kontrolliert werden. Das System unterstützt den Anlernvorgang mit vielen automatischen Funktionen und lernt auch mithilfe von „Deep Learning“ ständig hinzu, so dass die Prüfroutinen automatisch stetig optimiert werden. Auf diese Weise wird die Pseudofehlerrate sukzessive auf ein vernachlässigbares Minimum reduziert. Alle Prüfergebnisse werden durchgängig dokumentiert und abgespeichert, so dass das System eine nachvollziehbare, einheitliche und personenunabhängige Qualitätskontrolle (Traceability) ermöglicht.

Hervorzuheben ist, dass mittels KI ein System wie der Kitov One trainiert werden kann, Fehler zu klassifizieren und daraus eine Entscheidung abzuleiten. „So kann der Anwender das Softwaresystem trainieren, um den Unterschied zwischen einem guten und einem schlechten Prüfling zu lernen. Die Software analysiert dann die Bilder und unterscheidet in einem Soll-Ist-Vergleich die Beziehungen zwischen den Merkmalen, um daraus abzuleiten, ob der Prüfling gut oder schlecht ist. Aus diesen Merkmalen leitet der Kitov One auch zukünftige Gut-Schlecht-Entscheidungen ab“, erklärt Römer weiter. Ein solches Deep-Learning-Verhalten kann zum Beispiel tausende von Bildern einer Schraube erfassen und weiß nicht nur, wo sie sich befindet, sondern ob sie auch den Ansprüchen der Qualitätsvorgaben genügt. „D.h., das System weiß nicht nur, wonach es suchen soll, sondern kann auch entscheiden, ob sich das Ergebnis in den vorgegebenen Toleranzen bewegt“, erläutert Römer.